MODIS数据反演地表温度
modis亮温计算
modis亮温计算
MODIS（Moderate Resolution Imaging Spectroradiometer）是美国国家航空航天局（NASA）和美国国家海洋和大气管理局（NOAA）合作研发的一种遥感仪器，用于获取地球表面的高分辨率遥感影像数据。
MODIS亮温计算是指利用MODIS仪器获取的红外辐射数据计算地表的亮温。
MODIS仪器通过测量地表和大气层的红外辐射，可以获取地表的亮温。
亮温是指物体自身发射的红外辐射的温度，可以用来反演地表的温度。
MODIS仪器的红外通道可以测量不同波段的红外辐射强度，通过对不同波段的辐射强度进行处理和分析，可以计算出地表的亮温。
MODIS亮温计算的具体步骤包括：
1. 读取MODIS仪器获取的红外通道数据。
2. 对红外通道数据进行预处理，包括大气校正、大气吸收校正等。
3. 根据红外辐射的强度和波长，使用辐射学原理和计算方法，计算地表的亮温。
4. 对计算得到的亮温数据进行校正和处理，得到最终的地表亮温图像。
MODIS亮温计算可以应用于地表温度监测、气象预测、农业生产等领域。
通过获取地表亮温数据，可以对地表温度进行监测和分析，了解地表的热力变化和气象情况，为农业生产、环境保护等提供科
学依据。
(完整word版)MODIS数据反演地表温度
表1 MODIS 部分波段及其参数[14]波段 光谱范围 信噪比 主要用途 分辨率 1 620～670nm 128 陆地、云边界 250m 2 841～876nm 201 陆地、云边界 250m 19 915～965nm 250 大气水汽 1000m 31 10.780～11.280μm 0.05 地球表面和 云顶温度1000m 3211.770～12.270μm0.051000m劈窗算法介绍McMillin （1975年）最早提出了劈窗算法，最先是用于海面温度的反演，这种方法是利用2个相邻的热红外窗口大气水汽吸收特性的差异，把海面温度表达成2个热红外窗口亮度温度的线性组合。
Price （1984年）最先把劈窗算法推广到陆面温度的反演，通过引入比辐射率改正项来减小因陆地表面比辐射率变化而引起的误差。
Becker 从理论上证明了用分裂窗技术反演地表温度的可行性，并且第一次从理论上给出了使用分裂窗技术时大气和比辐射率对地表温度反演的影响。
Becker 和Li 根据热辐射传导的地方性特征，提出了著名的局地劈窗算法，已得到了较广泛的应用。
Wan 和Dozier 在Becker 和Li 的研究基础上，于1996年提出了一种广义的地表温度反演劈窗算法。
Sobrino 和Becker 用Lowtran 7对不同的大气、观测角度以及地表参数进行模拟，得出了各参数的表达式。
在这些表达式里，大气和比辐射率的作用是耦合在一起的。
而Sobrino 等则通过某些近似把这2种作用分开了，通过对大气向下热辐射的近似解和对Planck 辐射函数的线性化。
覃志豪等推导了劈窗算法，该算法仅需要2个因素来进行地表温度的演算，即大气透过率和地表比辐射率[15][ 16]。
在众多的劈窗算法中，覃志豪等提出的算法由于需要参数少、计算简单且精度较高，被认为是较好的算法之一。
本文主要针对这一算法进行介绍。
覃志豪[15]等提出的针对MODIS 数据反演地表温度的劈窗算法使用的公式如下:0131232Ts A AT A T =+- （1）其中：Ts 是地表温度，31T 、32T 分别是MODIS 第31、32通道的亮温。
基于MODIS数据的长江三角洲地区近地表气温遥感反演
基于MODIS数据的长江三角洲地区近地表气温遥感反演徐永明;覃志豪;沈艳【期刊名称】《农业工程学报》【年(卷),期】2011(027)009【摘要】近地表气温是一个重要的气候参数,为了给农业研究提供空间上连续的气温信息,以长江三角洲为研究区,根据MODIS地表温度和NDVI数据运用温度-植被指数方法反演了2005年全年的气温,并通过进一步去除温度-植被指数空间窗口的残余云和水体信息扩大了该方法的通用范围.最后利用气象站点观测气温数据对遥感反演值进行了精度验证,分析了误差的分布特征和变化规律.常规温度—植被指数方法的气温反演误差为2.39℃,但是只有72.23％的样本能适用该方法.在去除温度-植被指数窗口内残余云和水体信息之后,温度—植被指数方法适用样本比例提高到了80.15％,误差为2.44℃.温度—植被指数方法的反演精度在很大程度上受到空间窗口内植被覆盖及地表异质性的影响,在植被覆盖度较高的区域误差明显偏低.论文提出的改进温度-植被指数方法在农田区域及农作物生长期内具有很好的适用性和精度,为有效获取大范国农田气温提供了一种新的思路.%Near surface air temperature is an important meteorological parameter and is closely related to agriculture production. Comparing with the traditional meteorological observation, satellite remote sensing provides a straightforward and consistent way to obtain air temperature over regional and global scales with more spatially detailed information. In this paper, the temperature-vegetation index method was used to retrieve the air temperature throughout 2005 in the Yangtze River Delta by MODIS landsurface temperature and NDVI data. The retrieved air temperatures were validated by the meteorological observed air temperatures. The estimating error was about 2.39 ℃ with the normal temperature-vegetation index method, but only 72.23% of the samples could be used by this method. After some additional rules were made to broaden the applied range of temperature-vegetation index method, the percentage of valid estimates increased to 80.15% and the estimating error slightly rose to 2.44 ℃. Further more, the characters and variations of retrieval error were also analyzed. Results show that the retrieval accuracy of temperature-vegetation index method is significantly influenced by the vegetation coverage and land surface heterogeneity in temperature-vegetation index context windows. Estimation errors in high vegetation covered areas are obviously lower than in other areas. The improved temperature-vegetation index method shows good applicability and accuracy in cropland areas during crop growing seasons, which can provide a new approach for acquisition of air temperature of cropland in large-scale.【总页数】6页(P63-68)【作者】徐永明;覃志豪;沈艳【作者单位】南京信息工程大学遥感学院,南京210044;南京大学国际地球系统科学研究所,南京210093;南京大学国际地球系统科学研究所,南京210093;国家气象信息中心,北京100081【正文语种】中文【中图分类】S127【相关文献】1.基于MODIS时序数据的长江三角洲地区植被覆盖时空变化分析 [J], 安佑志;刘朝顺;施润和;高炜;殷杰2.基于MODIS数据的黄河源区近地表气温遥感反演 [J], 周曙光;张耀生;赵新全;米兆荣3.用MODIS数据反演近地表空气温度的RM-NN算法 [J], 毛克彪;马莹;夏浪;沈心一4.基于MODIS数据的气溶胶光学厚度遥感反演及灰霾关联性分析 [J], 谢元礼;管理;高志远;黄永红;黄帅;蒋广鑫5.基于MODIS数据的近地表气温估算 [J], 徐伟燕;孙睿;金志凤;胡波因版权原因，仅展示原文概要，查看原文内容请购买。
基于卫星遥感数据的地表温度遥感反演与应用
基于卫星遥感数据的地表温度遥感反演与应用地表温度是地球表面的温度，它是地球气候系统中重要的参数之一。
随着卫星遥感技术的发展，利用遥感数据来反演地表温度的方法越来越受到关注，并在气候研究、环境监测、农业等领域得到广泛应用。
基于卫星遥感数据的地表温度反演主要利用热红外波段的遥感数据，如MODIS、Landsat等卫星传感器获取的热红外数据。
地表温度反演的基本原理是利用地表辐射热红外能量的辐射率与温度之间的关系，通过对热红外波段的辐射定量测量，推算出地表温度。
地表温度的反演方法主要包括基于辐射平衡原理的方法和基于物理模型的方法。
基于辐射平衡原理的方法是利用卫星遥感数据中的辐射率，通过辐射平衡方程计算地表温度。
基于物理模型的方法则是基于热辐射传输和能量平衡的物理原理，建立地表辐射和能量平衡方程，通过求解方程组来反演地表温度。
除了以上两种基础的反演方法，还有一些改进的算法被提出，如基于统计模型、基于遥感与气象资料联用等方法。
这些方法在提高地表温度反演精度和空间分辨率方面都具有一定的优势。
地表温度的遥感反演有着广泛的应用价值。
首先，在气候研究领域，地表温度是评估气候变化和研究城市热岛效应的重要指标之一。
通过对地表温度的长期观测和分析，可以揭示气候变化的趋势和规律，提供科学依据为气候预测和气候变化的评估。
其次，地表温度的反演可以应用于环境监测。
地表温度是环境质量和生态环境状况的重要反映指标之一。
通过对地表温度的监测和分析，可以评估土地利用变化对环境的影响，监测水资源的分布和变化，提供科学依据为环境保护和生态建设提供支持。
再次，在农业领域，地表温度的反演可以应用于农作物生长监测和病虫害预测。
由于农作物在不同生长阶段有不同的温度需求，通过观测地表温度可以评估农作物的生长状态和需水量，为农田水利管理提供科学依据；同时，通过地表温度的监测还可以预测农作物病虫害的发生程度，提前采取相应的防治措施，为农业生产提供技术支持和指导。
简述使用modis数据估算地表温度的计算方法
简述使用modis数据估算地表温度的计算方法
MODIS（Moderate Resolution Imaging Spectroradiometer）数据
可以通过反演技术估算地表温度。
其计算方法大致如下：
1. 选择合适的MODIS产品，一般选择“地表温度产品”
（MOD11）。
2. 预处理影像数据，包括大气校正、粗略的表观辐射温度（LST）估算。
3. 估算精确的LST，用MODIS获取的表观辐射温度、大气温
度和水汽压力数据，通过热辐射传输方程，通过计算来估算表面温度。
4. 考虑不同地表材质的辐射特性，对LST进行空间插值或分
段处理。
5. 对LST进行质量控制，排除无数据和异常值。
6. 根据需要使用地表温度进行相关应用，如土地利用覆盖分类、水循环模拟、城市热岛研究等。
需要注意的是，使用MODIS数据估算地表温度需要考虑影响
因素较多，如大气干湿度、大气温度、地表材质、地形高程等，因此在处理数据时应该注意对这些因素进行准确的获取和处理，确保精度和可靠性。
应用FY-3 MERSI数据反演地表温度
中国农学通报2015,31(22):223-229Chinese Agricultural Science Bulletin应用FY-3MERSI数据反演地表温度李琳琳1，李国春2，王莹1，张琪1，张晓月1，赵梓淇3，赵刚4，宋晓巍5（1辽宁省气象科学研究所，沈阳110161；2沈阳农业大学，沈阳110866；3沈阳大气科学研究所，沈阳110161；4葫芦岛绥中县气象局，辽宁葫芦岛125200；5沈阳市气象局，沈阳110168）摘要：地表温度是反映土壤—植被—大气系统能量流动与物质交换的重要参数，是地球观测类卫星数据反演地面参数的主要内容之一。
气象卫星为快速获取大范围辐射面瞬时温度提供了重要手段，其中FY-3MERSI在保留了极轨气象卫星高时间分辨率观测的基础上，其远红外波段空间分辨率提高到了250m，提高了温度反演的空间精度。
应用FY-3MERSI第5通道长波辐射观测数据，并结合1km分辨率高光谱数据，获取反演地温所需的2个重要参数——大气水汽含量及地表比辐射率，实现了地表温度反演。
反演算法利用两通道比值法得到大气透过率，并计算出大气水汽含量；应用NDVI阈值方法获得地表比辐射率；根据FY3MERSI通道特点改进和构造了各参数反演算法；并利用热红外通道数据，使用单通道算法反演地表温度。
通过对辽宁地区3个时次的地表温度反演，并与MODIS分裂窗地表温度算法进行了比较分析。
结果表明温度精度达到了预期水平，空间精度有显著提高。
关键词：遥感；参数反演；地表温度；MERSI；MODIS；RSD中图分类号：P49文献标志码：A论文编号：casb15020047Retrieval of Land Surface Temperature from FY-3MERSI DataLi Linlin1,Li Guochun2,Wang Ying1,Zhang Qi1,Zhang Xiaoyue1,Zhao Ziqi3,Zhao Gang4,Song Xiaowei5(1Liaoning Province Public Meteorological Service Center,Shenyang110161;2Shenyang Agricultural University,Shenyang110866;3Shenyang Institute of Atmospheric Environment,Shenyang110161;4Suizhong Meteorological Bureau of Huludao County,Huludao Liaoning125200;5Shenyang Meteorological Administration,Shenyang110168)Abstract:Land surface temperature(LST),one of the most important ground parameter that can be retrieved from earth observation satellite data,is of great importance in studying energy flow and material exchange in soil-vegetation-atmosphere system.To acquire instantaneous LST of large area,radiation surface sensors carried by meteorological satellite platforms are often used.On board FY-3satellite which was launched by China in2008,MERSI is one of the sensors that can be used to get large area of LST with significant enhancement of spatial resolution to250m in far infrared band and leads to a higher LST spatial precision.In this paper,far infrared data of MERSI band5together with other MERSI hyper-spectral1km band data were used to calculate atmospheric transmissivity and land surface emissivity(LSE)—2important parameters in LST retrieval.The LST retrieval algorithms were as follows.Atmospheric transmissivity which could be used to obtain water vapor content via radiation transmission model was calculated using two-channel ratio weighted基金项目：农业气象灾害精细化预报及风险评估研究“辽宁省科技厅农业攻关及成果产业化项目”(2014210003)。
地表温度反演实验报告
地表温度反演实验报告地表温度是指地球表面的温度，是一个重要的气象参数，对于气候变化、城市热岛效应等问题具有重要的影响。
地表温度反演是通过遥感技术获取地表温度信息的一种方法，可以有效地监测地表温度的变化情况。
本实验旨在利用卫星遥感数据，反演地表温度，并对结果进行分析和讨论。
实验方法：我们收集了MODIS卫星传感器获取的遥感数据，包括云量、地表温度等信息。
然后，利用反演算法对这些数据进行处理，得到地表温度的反演结果。
接着，我们将反演结果与实地观测数据进行对比分析，验证反演结果的准确性。
最后，我们对地表温度的空间分布特征进行研究，分析其与地形、植被覆盖等因素的关系。
实验结果：经过反演算法处理，我们得到了一幅地表温度的空间分布图。
从图中可以看出，地表温度在不同区域有明显的差异，一般来说，城市区域的地表温度要高于郊区和农田地区。
另外，我们还发现地形和植被覆盖对地表温度有一定的影响，高海拔地区的地表温度要低于低海拔地区，而植被茂密的地区地表温度相对较低。
实验分析：通过对地表温度的反演结果进行分析，我们可以发现地表温度的空间分布受到多种因素的影响，包括城市化程度、地形、植被覆盖等。
城市热岛效应导致城市区域地表温度升高，而高海拔地区地表温度较低，这些都是地表温度空间分布差异的原因之一。
植被覆盖可以降低地表温度，起到调节气候的作用。
结论：地表温度反演是一种有效的监测地表温度变化的方法，可以为气候研究、城市规划等领域提供重要的参考依据。
通过对地表温度的反演结果进行分析，可以更好地理解地表温度的空间分布特征，为环境保护和气候调控提供科学依据。
希望通过本实验的研究，能够更深入地探讨地表温度变化的规律，为未来的研究提供参考。
modis 遥感信息处理原理与算法
modis 遥感信息处理原理与算法MODIS（Moderate Resolution Imaging Spectroradiometer）是一种可用于获取地球区域大规模图像的遥感相机，是 NASA 国际地球观测系统（EOS）的一部分。
MODIS 是目前世界上观测地球表面的分辨率最高的遥感相机之一，其设备光谱范围广，分辨率高，每日获取数据量大等优点使其成为全球变化与环境监测的重要工具之一。
在 MODIS 获取数据的过程中，其遥感数据处理原理和算法起着非常重要的作用。
1. MODIS 遥感数据处理原理1.1 数据源和分辨率MODIS 传感器可以测量来自地球表面和大气层的广泛范围和多光谱光谱。
MODIS 的光谱范围包括可见光（VIS）和红外光（IR），其分辨率可达 250 米，500 米和 1 公里。
1.2 数据传输MODIS 通过亚轨道卫星进行数据传输。
数据在地球上被下载到美国的两个无线电望远镜站，并通过 Internet 提供给用户。
1.3 数据处理MODIS 传感器从卫星上获取数据后，其数据处理包括校正，定标，大气校正和地表几何校正。
这一系列的过程会对原始的数据进行去噪，矫正等，以及获取相应的比例尺和坐标信息。
1.4 数据输出MODIS 数据最终的输出是一系列遥感图像，可以是原始数据，也可以是正在处理和校正的数据。
这样处理后的数据包括反射率，温度和大气等信息。
2. MODIS 遥感数据处理算法MODIS 遥感数据的处理算法可分为以下几种：辐射校正，反演算法，大气校正，地表温度反演，归一化植被指数，以及云检测等等。
2.1 辐射校正MODIS 数据在传输过程中将包含环境条件如大气折射率、天气状况等的干扰，使得遥感图像的准确性受到了限制。
辐射校正是指根据 MODIS 的传感器和大气模型测定出的辐射性能来补偿掉这些干扰，并提高 MODIS 图像质量和可用性。
该校正过程需要包含辐射强度的定标和反渐灰度校正等。
MODIS数据反演地表温度
表1 MODIS 部分波段及其参数[14]波段 光谱范围 信噪比 主要用途 分辨率 1 620～670nm 128 陆地、云边界 250m 2 841～876nm 201 陆地、云边界 250m 19 915～965nm 250 大气水汽 1000m 31 10.780～11.280μm 0.05 地球表面和 云顶温度1000m 3211.770～12.270μm0.051000m劈窗算法介绍McMillin （1975年）最早提出了劈窗算法，最先是用于海面温度的反演，这种方法是利用2个相邻的热红外窗口大气水汽吸收特性的差异，把海面温度表达成2个热红外窗口亮度温度的线性组合。
Price （1984年）最先把劈窗算法推广到陆面温度的反演，通过引入比辐射率改正项来减小因陆地表面比辐射率变化而引起的误差。
Becker 从理论上证明了用分裂窗技术反演地表温度的可行性，并且第一次从理论上给出了使用分裂窗技术时大气和比辐射率对地表温度反演的影响。
Becker 和Li 根据热辐射传导的地方性特征，提出了著名的局地劈窗算法，已得到了较广泛的应用。
Wan 和Dozier 在Becker 和Li 的研究基础上，于1996年提出了一种广义的地表温度反演劈窗算法。
Sobrino 和Becker 用Lowtran 7对不同的大气、观测角度以及地表参数进行模拟，得出了各参数的表达式。
在这些表达式里，大气和比辐射率的作用是耦合在一起的。
而Sobrino 等则通过某些近似把这2种作用分开了，通过对大气向下热辐射的近似解和对Planck 辐射函数的线性化。
覃志豪等推导了劈窗算法，该算法仅需要2个因素来进行地表温度的演算，即大气透过率和地表比辐射率[15][ 16]。
在众多的劈窗算法中，覃志豪等提出的算法由于需要参数少、计算简单且精度较高，被认为是较好的算法之一。
本文主要针对这一算法进行介绍。
覃志豪[15]等提出的针对MODIS 数据反演地表温度的劈窗算法使用的公式如下:0131232Ts A A T A T =+- （1）其中：Ts 是地表温度，31T 、32T 分别是MODIS 第31、32通道的亮温。
MODIS卫星资料在反演地表温度之应用摘要
MODIS衛星資料在反演地表溫度之應用徐敏彰劉振榮林唐煌國立中央大學太空及遙測研究中心摘要地表溫度對於地球能量收支平衡、蒸發散量、乾旱、大尺度的氣候變遷以及台灣地區熱島效應等研究，是一項相當重要的參數，因此若能準確的反演地表溫度，對於從事上述研究必定能有相當程度的助益，故本研究針對反演地表溫度影響甚大的地表發射率估算進行改進，期能藉由改善地表發射率估算結果，進而降低地表溫度反演之誤差。
結果顯示：（1）當MODIS 31頻道的地表發射率減小0.01 ~ 0.1時，地表溫度反演結果的變動約為0.5℃ ~ 6℃。
（2）利用2005年MODIS台灣地區晴空資料建立的地表發射率修正因子與NDVI關係式，發現以四個季節分別建立之關係式，其平均誤差不論在MODIS/Terra或MODIS/Aqua資料皆低於以整年建立的關係式。
驗證結果顯示：以中央氣象局實測地表溫度為實際值時，綜合2005 ~ 2006年的MODIS資料來看，本研究的平均誤差為2.1℃、Mao et al.(2005) 3℃、Bhattacharya and Dadhwal (2003) 4.47℃、MODIS LST Product (NASA) 3.1℃。
關鍵詞：MODIS、地表發射率修正因子、地表溫度前言地表溫度對於地球能量收支平衡、蒸發散量、乾旱、大尺度的氣候變遷以及台灣地區熱島效應等研究，是一項相當重要的參數，因此近十幾年來，相當多學者從事地表發射率與地表溫度反演之研究( Becker and Li 1990 , Griend and Owe 1993 , Valor and Casselles1995 , Qin et al. 2001 , Bhattacharya and Dadhwal 2003 , Wan et al. 2002 , Mao et al. 2005)，然而因地物的種類複雜，且地表發射率變動將影響地溫反演結果，所以若想準確的反演地表溫度，勢必需先解決地表發射率估算的正確性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
表1 MODIS部分波段及其参数［14］波段光谱范围信噪比主要用途分辨率1620~ 670nm128陆地、云边界250m2841〜876nm201陆地、云边界250m19915~ 965nm250大气水汽1000m3110.780〜11.280 g m0.05地球表面和1000m3211.770〜12.270 卩m0.05云顶温度1000m劈窗算法介绍McMillin （1975年）最早提出了劈窗算法，最先是用于海面温度的反演，这种方法是利用2个相邻的热红外窗口大气水汽吸收特性的差异，把海面温度表达成2个热红外窗口亮度温度的线性组合。
Price （1984年）最先把劈窗算法推广到陆面温度的反演，通过引入比辐射率改正项来减小因陆地表面比辐射率变化而引起的误差。
Becker从理论上证明了用分裂窗技术反演地表温度的可行性，并且第一次从理论上给出了使用分裂窗技术时大气和比辐射率对地表温度反演的影响。
Becker和Li根据热辐射传导的地方性特征，提出了著名的局地劈窗算法，已得到了较广泛的应用。
Wan和Dozier在Becker和Li的研究基础上，于1996年提出了一种广义的地表温度反演劈窗算法。
Sobrino和Becker用Lowtran 7对不同的大气、观测角度以及地表参数进行模拟，得出了各参数的表达式。
在这些表达式里，大气和比辐射率的作用是耦合在一起的。
而Sobrino等则通过某些近似把这2种作用分开了，通过对大气向下热辐射的近似解和对Planek 辐射函数的线性化。
覃志豪等推导了劈窗算法，该算法仅需要2个因素来进行地表温度的演算，即大气透过率和地表比辐射率［15］［ 16］。
在众多的劈窗算法中，覃志豪等提出的算法由于需要参数少、计算简单且精度较高，被认为是较好的算法之一。
本文主要针对这一算法进行介绍。
覃志豪［15］等提出的针对MODIS数据反演地表温度的劈窗算法使用的公式如下：Ts A o AT 31 A2T32 （1）其中：Ts是地表温度，T31、T32分别是MODIS第31、32通道的亮温。
A、A、A是系数，分别定义如下：A64.60363E168.72575E2A 1 A 0.440817 E1A A 0.473453 E2A D 31 /( D 32C 31D 31C 32)E i D 32 (1 C 31D 31) /( D 32C 3ID 31C 32)E 2D 31 (1 C 32D 32 ) /( D 32C 31D 31C 32 )D 31(1 31)[1 (1 31) 31]D 32(132)[1 (132) 32]C 3131 31C 3232 32其中：A 、E 1 、E 2 、D 31、D 32、C 31、C 32为中间变量，可迭代消除；31、 32分别为31、32波段的地表比辐射率； 31、32为31、32波段的大气透过率。
参数计算亮度温度计算第31和32波段的亮度温度 T 31、T 32由下式计算:T -------------iC .iln(1 吉)i Ri简化，设K i ,2 C 2 / i , K i ,1 C 1/ i 5。
则上式可转化为:Tln （1百）其中 K i ,1, K i ,2 为常量，对于 31 波段：K 31,1 729.541636 ,心上 1304.413871 ；对于 32 波段：K 32,1 474.684780, K 32,2亮温是指辐射出与观测物体相等辐射能量的黑体温度,可以根据普朗克（Planek ）公式计算得到，MODIS(2)其中：T j 是MODIS 第i （i=31,32） 波段的亮度温度 i 是波段i 的中心波长，针对MODIS 的第31和32波段,其值可分别取 31=11.28 m和 32 =12.02 mC 和 C 2 是常量,分别取 0=1.19104356 X 10-16W- m 2 和C 2=1.4387685 X 104m- K 。
由于需要注意 G 、 R 、 i 的单位转化问题，为了便于计算，可将该式进行(2b )1196.978785。
R是MODIS第i(i=31,32)波段的热辐射强度，可根据下式得到：R radianee _scales*( DN i radiance_offset) (3)式中radiance_offset为截距，radiance_scale为斜率，均可以从HDF格式的MODIS图像的头文件中直接查出，DN为遥感图像第31和32波段的实际保存数值。
大气透过率的计算大气透过率是地表辐射、反射透过大气到达传感器的能量与地表辐射能、反射能的比值，它与大气状况、高度等因素有关。
对于热红外波段，最重要的大气变化是大气温度和水汽的变化。
在天气稳定情况下，虽然影响大气透过率的因素比较多，但水汽含量是影响大气透射率的主要因素。
根据Kaufman等的研究, 对于MODIS图像中的任何一个像元，其可能的大气水分含量可用下式估计：19、ln(——)2 2w [ ---------------- ]其中，w是大气水分含量；、是常量，取=0.02，=0.651 ；19、2分别是MODIS第19和第2波段的地面反射率。
表2 MODIS第31和32波段的大气透过率估计方程呵水分含量/©cm -2)大气透过率估计方程T1=1.101636-0.10346*w夏季0.4 - -2.0T2=1.02144-0.13927*wT1=1.11795-0.15536*W夏季2.0「-4.0T2=1.09361-0.17980*WT仁0.77313-0.07404*w夏季4.0 - -5.4T2=0.65166-0.09656*wT1=1.101089-0.09656*W冬季0.4 - -1.4T2=0.97022-0.08057*W由于MOD IS的扫描带比较宽，遥感视角和大气温度会对大气透过率有比较大的影响，因此还进行了大气透过率的遥感器视角校正函数和温度校正函数。
根据高懋芳等[13人的进行回归拟合的方程估算31、32波段的大气透过率即31、32估计方程如表2所示。
由于该估计方程是根据近地气温为25C进行拟合的结果，所以还要根据表3进行温度订正:表3大气透过率的温度校正函数[13] 波段温度校正函数温度区间 MODIS 315T (T )3仁0.08T 31>318 K5T (T )31=-0.05+0.00325*(T 31-278)278<T 31<318 KS T (T )31= -0.05T 31<278 K MODIS 32S T (T )32=0.095T 32>318 KS T (T )32=-0.065+0.004*( T 32-278)278<T 32<318 KS T (T )32= -0.065T 32<278 K注：T 31、T 32 是第 31、 32波段的亮度温度。
地表比辐射率的计算地表比辐射率是物体与黑体在同温度、同波长下的辐射出射度的比值。
在传感器的波段区间及像元大小确定情况下，地表比辐射率主要取决于地表物质的组成和结构。
在 3种类型构成。
MODIS 混合像元的地表比辐射率可表示为NDVI v 0.9 , NDVI s 0.15。
因此，当 NDVI>NDVI v =0.9时，P v =1，表示该像元是一个茂密植被覆MODIS 1km 的像元尺度下，像元可以粗略视作由水体、植被和裸土iF W R w iwP V R / iv (1 P wF V)R s is d(5)式中：i 是MODIS 图像第i （i=31、32）波段的地表比辐射率； iw 、iv 、 is 分别是水体、植被、裸土的地表比辐射率，对 MODIS 第31波段（i=31 ）分别为0.992、0.9844、 0.9731，对 MODIS 第 32 波段(i=32)分别取0.989、0.9851、0.9832 ；氐、尺、R s 为温度比率，定义为 R i （T i /T ）4，这里i 分别表示下标w 、V 、s , T 为混合象元平均温度，覃志豪等的模拟分析认为在 5 一 45C 范围内，这三种地表类型的平均温度比率分别为 R w =0.99565， R v =0.99240， R s =1.00744。
P w 、F v 分别为水面和植被的构成比例，对于水面较大的地区来说，可以利用可见光和红外波段水体反射率一般明显低于其它地物以及水体归一化植被指数NDVI<0的特性,提取纯水体像元，并取P w =1.此时,31Kv 31w0.9876848 , 32 R w 32w 0.98469785。
对于水面可以忽略的陆地来说，主要由裸地和植被组成，取 F W =0，植被覆盖度 P v 主要通过归一化植被指数 NDVI 来确定:式中：NDVIP vNDVI NDVI s NDVI v NDVI s(6)是植被指数， NDVI v 、NDVI s 分别是茂密植被覆盖和完全裸土像元的NDVI 值，通常取盖的地区，看不见裸露的土壤表面，3i R, 3iv 0.976919 , 32 R,尬 0.977613 ;否则，当NDVI<NDVIs=0.15 时，Pv=0，表示该像元是一个完全裸露的地区，没有任何植被覆盖31 R 31s0.9803398，32 R s 32s 0.990515 ；当0.15<NDVI<0.9 时，j RR v iv(1 P/)R s is。
对于MODIS图像而言，NDVI用第1和2波段来计算：B2 B1NDVI 2 1( 7)B2 B1式中：B2、B1分别表示第1、2波段的反射率。
最后估计校正项d :当Pv= 0 或Pv= 1 时,d £ 最小,d £= 0;当0 v Pv v 0.5 时,d £ = 0.003796 Pv ;当 1 > Pv> 0.5 时,d £= 0.003796(1-Pv);当Pv= 0.5 时,d & 最大,d £ = 0.001898。